-
题名基于混合聚类与融合用户属性特征的协同过滤推荐算法
被引量：10
- 1
-
-
作者
王蓉
刘宇红
张荣芬
-
机构
贵州大学大数据与信息工程学院
-
出处
《现代电子技术》
2021年第6期179-182,共4页
-
基金
贵州省科技计划项目([2016]5707)。
-
文摘
针对协同过滤推荐算法存在的推荐质量低、推荐效率低、冷启动等问题,提出一种基于混合聚类与融合用户属性特征的协同过滤推荐算法。根据用户属性信息,建立Canopy+K-means的混合聚类模型,采用该模型对所有用户进行聚类;生成多个聚类簇,在每个簇中结合用户属性特征,形成一种新的相似度计算模型,通过该模型找到目标用户的最近邻居,以此产生推荐列表进而实现推荐。在MovieLens数据集上进行的实验结果表明,此算法能够在提高推荐效率和推荐准确性的同时缩短算法运行时间,解决冷启动问题。
-
关键词
协同过滤推荐算法
混合聚类
用户属性特征
相似度计算
特征相似性
算法对比
-
Keywords
collaborative filtering algorithm
hybrid clustering
user attribute feature
similarity calculation
feature similarity
algorithm comparison
-
分类号
TN911.1⁃34
[电子电信—通信与信息系统]
TP319
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于用户特征属性和云模型的协同过滤推荐算法
被引量：12
- 2
-
-
作者
刘发升
洪营
-
机构
江西理工大学信息工程学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2014年第6期1172-1176,共5页
-
基金
江西省教育厅科技项目(GJJ08283
GJJ11463)
江西省高等学校智能计算与网络测控技术重点实验室2012年资助项目
-
文摘
随着数据的极端稀疏性,仅仅依赖于传统的协同过滤相似性的度量方法已无法取得精确的推荐结果。针对这一问题,提出基于用户特征属性和云模型的协同过滤算法。首先,算法利用云模型计算用户评分云相似性,结合用户打分偏好对原矩阵进行填充,在此基础上得到用户的评分云相似性;其次,再结合用户特征属性相似性通过加权因子计算用户的最终相似性,得到一种新的相似性度量方法;最后,得到算法的评分预测。实验结果表明,该方法能够提高推荐质量。
-
关键词
协同过滤
云模型
用户特征属性相似性
打分偏好
云相似性
-
Keywords
collaborative filtering
cloud model
user characteristic attribute similarity
scoring preference
cloud similarity
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名融合用户特征优化聚类的协同过滤算法
被引量：10
- 3
-
-
作者
梁丽君
李业刚
张娜娜
张晓
王栋
-
机构
山东理工大学计算机科学与技术学院
-
出处
《智能系统学报》
CSCD
北大核心
2020年第6期1091-1096,共6页
-
基金
国家自然科学基金项目(61671064).
-
文摘
针对推荐系统领域中应用最广泛的协同过滤推荐算法仍伴随着数据稀疏性、冷启动和扩展性问题,基于用户冷启动和扩展性问题,提出了基于改进聚类的PCEDS(pearson correlation coefficient and euclidean distance similarity)协同过滤推荐算法。首先针对用户属性特征,采用优化的K-means聚类算法对其聚类,然后结合基于信任度的用户属性特征相似度模型和用户偏好相似度模型,形成一种新颖的PCEDS相似度模型,对聚类结果建立预测模型。实验结果表明:提出的PCEDS算法比传统的协同过滤推荐算法在均方根误差(RMSE)上降低5%左右,并且推荐准确率(precision)和召回率(recall)均有明显提高,缓解了冷启动问题,同时聚类技术可以节省系统内存计算空间,从而提高了推荐效率。
-
关键词
推荐系统
协同过滤
冷启动
扩展性
优化聚类
信任度
用户属性特征
用户偏好
-
Keywords
recommendation system
collaborative filtering
cold start
scalability
optimization clustering
trust degree
user attribute
user preference
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名一种新颖的混合相似度计算模型
被引量：3
- 4
-
-
作者
廖志芳
符本才
孔令远
王佳宁
-
机构
中南大学软件学院
-
出处
《计算机应用与软件》
北大核心
2018年第1期175-182,共8页
-
基金
国家自然科学基金青年项目(61301136)
-
文摘
传统的最近邻协同过滤推荐算法中相似度计算存在一些问题,如不能刻画变化的用户偏好。在数据稀疏的基础上,从解决用户兴趣漂移问题的角度出发,提出一种新的混合相似度计算模型。该模型由两部分组成:一方面利用了函数拟合刻画了用户自身的评分行为和评分偏好;另一方面采用随机森林方法考虑了用户的属性特征,并综合两方面构建了一种新的混合相似度计算模型。实验结果显示,在不同的数据集规模中,该模型算法的预测精度比传统推荐算法高。
-
关键词
协同过滤
用户属性特征
时间因子
预测精度
-
Keywords
Collaborative filtering User attribute Time factor Prediction precision
-
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
